近年来,随着机动车辆使用数量的大量增加,汽车辅助驾驶技术在交通安全领域扮演着越来越重要的作用。大量的统计结果表明,交通事故发生的高峰期在夜间,因此夜间的汽车辅助驾驶技术对道路交通安全有着至关重要的意义。红外热成像技术的发展,突破了可见光设备在夜间由于光线昏暗导致无法成像的限制。本文基于远红外热像仪,将可见光图像中机动目标识别技术进行改进,来实现对红外视频流中的机动目标的识别。在图像预处理阶段,首先研究了红外图像的成像原理与红外图像的特性,然后基于红外图像的特性,研究了图像去噪和图像增强算法,并改进了传统的中值滤波算法与传统的直方图均衡化算法;在目标检测与定位阶段,研究了基于灰度学的目标检测算法与基于小波变换的目标检测算法,采用了一种将灰度学与小波变换理论相融合来检测运动目标的策略。之后在目标定位环节研究了基于灰度特征的目标定位算法与基于物体重心的目标定位算法,经过大量实验后,最终选取了基于物体重心的目标定位算法来实现对目标的定位。在特征提取阶段,在综合了Haar-like特征与LBP特征的基础上,实现了一种将两者相结合的Haar-LBP特征来完成对机动目标特征的提取。最后在训练级联分类器时,将用于评判特征区分能力的Fisher判别比机制引入AdaBoost分类器训练模型中,提出了一种FDR-AdaBoost训练机制的强分类器模型,并完成了对红外图像中机动目标(行人与车辆)的识别。大量的实验结果证明,本系统能够高效的实现红外视频中机动目标的实时识别。